一种基于姿态感知的电力人员穿戴识别残差网络

为有效利用机器视觉技术实现对电力作业人员穿戴规范进行准确识别,减少安全事故的发生,构建了一种基于姿态感知的穿戴规范识别复合残差网络.该复合网络首先将VGG(Visual Geometry Group)与分裂-转换-聚合(Split-Transfer-Agregation,STA)模块引入残差网络中,构建高性能的ResN...     

一种基于面分解的小波域鲁棒水印算法

随着因特网和数字技术的发展,数字水印技术作为版权保护的重要手段,得到广泛的研究和应用.然而,以灰度图像作为水印信息的嵌入并不算多,针对这种情况,本文提出一种以灰度图像作为水印的小波域水印算法,即对灰度水印图像进行面分解,选择高四位进行(7,4)海明码纠错,结合分型编码理论对低四位进行4×4分块,选择某一小块与其他小块均方误差和最小的小块进行海明码纠错后与高四位的纠错码一起结合人类视觉特性(hu-m an visualmodel,HVS)嵌入到宿主图像小波变换的系数中,并通过实验仿真证明本算法具有极强的鲁棒性.     

柯坪县“生土建筑抗震设防试验房”工作开展情况汇报

一、开展生土建筑抗震设防的意义柯坪县地处地震多发区,地震灾害随时都有可能发生,目前科学技术还不能控制地震的发生,采取抗震技术措施来减轻财产损失和人员伤亡,是最有效的手段。柯坪县现有各类建筑86.1万平方米,其中土建筑面积为82.5万平方米,占总面积的95.8%。生土建筑抗震性能差,若不采取一定的抗震措施,则地震时将加大财产损失和人员伤亡。要提高我县的综合抗震能力,首先要提高生土建筑的抗震性能。     

基于统计特性的非局部均值去噪算法

针对非局部均值滤波的权值由相似块的欧式距来确定而未考虑其受噪声影响的缺点,提出了一种权值由相似块欧式距的统计特性确定的去噪算法。该算法首先对受到高斯噪声干扰的图像相似块的欧式距建立概率分布函数,再由概率分布函数确定权值大小,从而有效地减小高斯噪声对加权系数的影响,以提高去噪性能。实验中,从主客观方面与传统非局部均值滤波进行对比分析,实验数据表明本文提出的算法峰值信噪比提高约1dB,去除噪声的同时保留更多图像的细节信息,去噪性能更优。     

一种改进CycleGAN的低照度图像增强网络

为了提高CycleGAN对低照度图像增强后的细节分辨能力,提高图像整体的视觉质量,提出了一种改进CycleGAN的低照度图像增强算法.该网络的生成器由低光照增强模块和亮度均衡处理模块组成,用以学习低照度图像到正常照度图像的特征映射.以多尺度卷积和残差空洞卷积构建基于U-Net的低光照增强模块,提高网络对增强后图像细节信...     

基于KPCA-BP神经网络与GC-MS图谱的白酒价格预测技术

为实现对白酒价格的准确预测，采用气相色谱-质谱（GC-MS）技术对白酒样品的挥发性风味成分进行测定后选择对不同档次白酒样品有显著差异的微量成分，分别采用主成分分析（PCA）与核主成分分析（KPCA）对GC-MS图谱数据进行降维处理，再将降维后的数据送入到反向传播（BP）神经网络实现价格预测。结果表明，不同档次白酒样品检测出27种挥发性风味成分，其中，酯类8种，醇类9种，酸类9种以及醛类1种；除对不同档次白酒样品无显著性差异的微量成分丁酸乙酯、正己酸乙酯、丙醇、正丁醇、异戊醇和己酸外，采用PCA和KPCA对21种挥发性风味成分进行特征提取。结果表明，PCA前3个主成分累计方差贡献率达87.38%,KPCA前3个核主成分累计方差贡献率达90.02%,KPCA对3种档次白酒在三维空间上有良好的区分度，更能实现白酒特性的准确表达；KPCA-BP神经网络对中、高端白酒预测误差为5%，而PCA-BP神经网络预测误差为15%；白酒价格预测模型验证结果表明，KPCA-BP神经网络方法比PCA-BP神经网络预测的价格更准确，PCA-BP准确率为86.89%,KPCA-BP神经网络准确率达到92.96%。     

一种基于密集连接与感受野的穿戴识别深度学习网络

为实现在复杂环境中对电力作业人员穿戴规范的识别，以感受野块网络(Receptive Field Block Network, RFBnet)为基础网络设计了一种穿戴多目标识别网络。该网络引入特征金字塔网络并采用VoVnet的密接方式改进RFBnet的VGG-16主干网络，在保证浅层细节高分辨率的前提下尽可能获取深层语义信息以实现对弱小目标的检测。采用空洞卷积分支构建新的RFB模块以扩大感受野、提取更多的细节特征；将Soft-nms与DIoU-nms结合，设计一种后处理方法进行锚框回归，降低了漏检几率。实验结果表明，在RFBnet-512的基础上，该检测网络的mAP提升了10.09%,检测速度提升了4.7帧/秒；对安全帽、绝缘手套和高压绝缘靴的检测精度分别达到90.9%、67.1%和86.4%,检测速度达到17.5帧/秒。